人工智能和射频通信现在的趋势和创新
有时人们会将您认为不会很好地结合在一起的东西结合起来。巧克力和花生酱浮现在脑海中,这是一种美妙的混合物,但看起来并不像它那样有效。
嗯,技术也经常混合和匹配事物,看看什么最有效。很多人可能不认为像人工智能这样现代的东西与无线电频率配合得很好,但它们实际上可以很好地协同工作。
人工智能 (AI) 被用于增加无线电频率 (RF) 并将这种复古技术带入现代领域。使用 RF,我们可以比以前进一步扩展我们的信号,比我们目前拥有的工具工作得更快。
需要明确的是,我们并没有试图倒退或摆脱我们现在拥有的技术。我们只是在寻找有趣的方法将无线电混合到我们的现代应用程序中,并得出令人难以置信的结果。这就是 AI 和 RF 网格化的未来。
人工智能检测海上射频信号
国家标准与技术研究院 (NIST) 和联邦通信委员会 (FCC) 携手合作,为海军创造了一种共享流行的 150MHz 射频部分进行通信的方式。通过使用人工智能,NIST 可以检测海上雷达何时工作,因此多个通道不会尝试同时使用同一频段。AI 会告诉商业用户何时必须暂停使用 3.5GHz 频段。
FCC于 2015 年创建了公民宽带无线电服务(CBRS)。它允许商业供应商和提供商在不需要海军运营时使用 3.5GHz 频段。AT&T 和谷歌等公司抓住了这个机会,因为该乐队有望扩大市场并提供更好的覆盖范围和数据速率。如果没有人工智能和一些立法机构,公司和公民都将无法使用这个非常受欢迎的乐队。
射频识别
国防高级研究计划局 (DARPA) 注意到一个问题,即同时发生的事情太多。有很多射频信号被放入相同的频谱中,这使得难以辨别和听到。DARPA 创建了射频机器学习系统计划 (RFMLS) 来解决这个问题。
RFMLS 可以从下一个信号中挑选并辨别出更重要的信号和不遵守规则的信号。随着物联网 (IoT)从各种部门(包括无线电)收集数据,RFMLS 有助于为此确切目的收集重要的相关信息。DARPA 希望在未来继续实施人工智能以创造更好的频谱共享,就像 NIST 所做的那样。
提高系统性能
作为一家致力于为国防部带来新工程技术的公司,Alion Science & Technology 致力于降低成本并提高效率。它还发现了与 DARPA 相同的问题,RF 频谱因无用信息而变得拥挤,淹没了重要数据。Alion 并没有挑选出某些信号,而是找到了一种方法来增强它需要的信号。
Alion 设计了一个定制的 AI 网络,用于在原始同相/正交数据中查找信噪比 (SNR) 值从 +10dB 到 -10dB 的任何信号。这些 SNR 值处于极端的两侧,-10dB 受到大量噪声的影响,几乎可以辨别。但是,Alion 发现某些网络可以理解 SNR 数据的不同方面。AI用于将两者配对以有效增强信号。
RFI 和原因
射频干扰 (RFI) 是另一种电子信号干扰原始电子信号时发生的情况。如今,由于大多数事物已经超越了无线电技术,我们通常将这种现象称为电磁干扰或 EMI。RFI 和 EMI 这两个术语作为同义词使用——但重要的是要知道差异的确切位置,主要是受到影响的产品。
RFI 的主要原因通常是使用相同频谱的其他电子设备的拥挤空间,例如当您的手机接到电话而导致无线电蜂鸣时。问题也可能是由于产品的设计造成的低吸收损失。这两个都是非常突出的问题,但核心问题往往是设计缺陷。
尽量减少干扰
一种称为 RF 屏蔽的技术通常用于最小化 RFI。屏蔽保护重要的电路功能并防止辐射,降低发生 RFI 的机会。可以使用导电泡沫、金属盒或金属薄膜。无论哪种方式,都应尽早在设计中进行射频屏蔽。
您还可以使用过滤器来保护您的设备免受 RFI 的影响并防止其被发射。大多数滤波器采用三极方法来定位从 150kHz 到 30kHz 的范围。这些在商业和消费者级别都可用,供任何人使用。然而,这不是像射频屏蔽那样的 DIY 项目。
机器学习和射频
正如机器学习和 RF所证明的那样,许多 AI 实施归结为必要性。如今,、公司和普通人都在使用无线电,这会使系统拥塞到荒谬的程度。无线电通信尚未过时。
虽然很多人已经习惯了卫星,但无线电仍然是一种可行且快速的获取大面积信息的方式。与许多卫星不同,无线电也将始终保持可靠——无论情况如何或我们展望未来多远。
让 AI 参与进来只会帮助 RF 演变成现代用途。现在拥堵不必成为问题。我们可以选择某些频率,甚至增强最低的信号,或者在需要通过更重要的事情时告诉其他人下车。
有了人工智能,广播可以再次流行起来,成为曾经的杰出人物。卫星通信不会在任何地方进行,但也许无线电可以比我们之前认为的任何人带得更远。